Contratacion predictiva: mejores decisiones con datos
Deje de contratar por intuicion. Aprenda como utilizar datos y modelos predictivos para tomar mejores decisiones de contratacion y mejorar de forma medible la calidad de las contrataciones.
Door Ingmar van Maurik · Founder & CEO, Making Moves
El problema de contratar por intuicion
La mayoria de las decisiones de contratacion todavia se toman basandose en la intuicion. Un reclutador escanea un CV en 6 segundos, un responsable de contratacion se forma una opinion en los primeros 30 segundos de una entrevista y la decision final se toma en una reunion donde la voz mas fuerte gana.
El resultado es predecible: una tasa media de contrataciones fallidas del 25 al 46 por ciento, segun la fuente. Esto significa que una de cada tres o cuatro contrataciones no funciona como se esperaba. Para cuando lo descubre, ya ha perdido decenas a cientos de miles de euros en costes directos e indirectos.
La contratacion predictiva ofrece una alternativa. En lugar de depender de la intuicion, utiliza datos y modelos para predecir que candidatos tienen mas probabilidades de exito. En este articulo explicamos como funciona y como implementarla.
Que es la contratacion predictiva
La contratacion predictiva es la aplicacion del analisis de datos y modelos estadisticos para predecir que candidatos rendiran mejor en un rol especifico. Se basa en un principio simple pero poderoso: los patrones del pasado predicen el futuro.
Al analizar que caracteristicas tienen en comun los empleados exitosos, puede puntuar a nuevos candidatos en esas mismas caracteristicas y hacer una prediccion fundamentada sobre su probabilidad de exito.
La base cientifica
La contratacion predictiva no es nueva. La psicologia industrial y organizacional ha estudiado durante mas de 100 anos que metodos de seleccion son los mejores predictores del rendimiento laboral. Las conclusiones son claras:
|---------------------|-------------------|
La validez predictiva indica la intensidad con la que el metodo de seleccion correlaciona con el rendimiento laboral real, en una escala de 0 a 1. Cuanto mayor sea el numero, mejor predice el metodo quien tendra exito.
La diferencia es enorme. Una entrevista no estructurada es apenas mejor que lanzar una moneda, mientras que un modelo combinado con evaluaciones y AI es un predictor potente.
Los cuatro pasos de la contratacion predictiva
Paso 1: defina el exito
No puede predecir si no sabe que esta intentando predecir. El primer paso es definir claramente que significa el exito para cada rol:
Metricas cuantitativas: ingresos por empleado, tickets resueltos por mes, NPS del cliente, plazos de proyecto cumplidos.
Metricas cualitativas: evaluacion del responsable, retroalimentacion de los miembros del equipo, contribucion a la cultura.
Retencion: cuanto tiempo permanece el empleado, se marcha voluntaria o involuntariamente.
Crecimiento: con que rapidez se desarrolla el empleado, es promovido, asume mas responsabilidades.
Cuanto mas especifica y medible sea su definicion de exito, mejor funcionara su modelo. Evite definiciones vagas como buen ajuste cultural y traduzcalas en comportamiento observable.
Paso 2: recopile y estructure datos
Con una definicion clara de exito, comience a recopilar datos. Necesita dos tipos:
Datos predictores: toda la informacion disponible en el momento de la decision de contratacion. Esto incluye datos del CV, puntuaciones de evaluacion, puntuaciones de entrevista y todas las demas senales que utiliza para evaluar candidatos.
Datos de resultados: el rendimiento de los candidatos contratados a lo largo del tiempo. Evaluaciones de rendimiento, retencion, promociones y las metricas cuantitativas que definio en el paso 1.
El desafio es que los datos de resultados requieren paciencia. Necesita un minimo de 6 a 12 meses despues de la contratacion para saber si alguien tiene exito. Y necesita al menos 50 a 100 puntos de datos completos, candidatos para los que tiene tanto datos predictores como datos de resultados, para construir un modelo fiable.
Paso 3: construya el modelo predictivo
Con suficientes datos, puede construir un modelo que mapee la relacion entre predictores y resultados. Esto puede abarcar desde regresion simple hasta aprendizaje automatico avanzado:
La regresion lineal es el modelo mas simple. Calcula pesos para cada predictor y produce una puntuacion que refleja el rendimiento esperado. Ventaja: transparente y explicable. Desventaja: no captura patrones complejos.
La regresion logistica predice la probabilidad de exito o fracaso como resultado binario. Util cuando desea saber si alguien sera exitoso, si o no, con un porcentaje de probabilidad.
Random forest y gradient boosting son modelos mas potentes que pueden reconocer patrones complejos, como interacciones entre variables. Un candidato con puntuaciones tecnicas altas y puntuaciones de comunicacion medias puede ser evaluado de forma diferente a un candidato con puntuaciones medias en ambas, dependiendo del equipo y el rol.
Las redes neuronales son la opcion mas avanzada y pueden reconocer patrones sutiles que otros modelos no detectan. Requieren mas datos y son menos transparentes, pero pueden ser particularmente precisas.
En la practica, casi todos comienzan con modelos de regresion y transicionan a modelos mas complejos a medida que crece el conjunto de datos.
Paso 4: valide e implemente
Un modelo solo es util cuando esta validado:
La validacion cruzada prueba el modelo con datos no utilizados para el entrenamiento. Si el modelo funciona bien con datos nuevos, es robusto.
La auditoria de sesgos verifica si el modelo discrimina inadvertidamente. Lea mas sobre esto en nuestro articulo sobre AI y sesgo en la contratacion.
Las pruebas A/B comparan los resultados de la contratacion impulsada por AI con la contratacion tradicional. Esta es la prueba definitiva: el modelo realmente ofrece mejores contrataciones?
Tras la validacion, implementa el modelo en su flujo de contratacion. Los candidatos se puntuan y clasifican automaticamente, y los reclutadores utilizan las puntuaciones como entrada para sus decisiones.
El papel de las evaluaciones en la contratacion predictiva
Las evaluaciones son la piedra angular de la contratacion predictiva. Sin mediciones estandarizadas, no tiene datos predictores fiables. Las evaluaciones mas efectivas para la contratacion predictiva son:
Los tests de capacidad cognitiva miden la capacidad de aprender, resolver problemas y procesar informacion compleja. Son uno de los predictores mas fuertes del rendimiento laboral en practicamente todas las funciones.
Los cuestionarios de personalidad miden rasgos estables como la responsabilidad, la extroversion y la apertura. Predicen el comportamiento laboral y el ajuste al equipo.
Los tests de juicio situacional presentan escenarios laborales realistas y miden como responden los candidatos. Estan fuertemente vinculados al rendimiento en roles especificos.
Las muestras de trabajo y tests tecnicos miden habilidades directas necesarias para el rol. Tienen alta validez aparente y valor predictivo.
La clave no es una sola evaluacion sino una combinacion que mida multiples dimensiones relevantes. Como se ha comentado, las evaluaciones validadas y especificas para el rol son esenciales para predicciones fiables.
Resultados en la practica
Las empresas que implementan la contratacion predictiva reportan mejoras consistentes:
|---------|---------------------------|----------------------------|--------|
Estos resultados no llegan de la noche a la manana. Normalmente se necesitan de 6 a 12 meses para recopilar suficientes datos y construir un modelo inicial, y otros 6 meses para validarlo y afinarlo.
Preguntas frecuentes
Tenemos suficientes datos? Necesita un minimo de 50 puntos de datos completos para empezar. Con mas de 100 contrataciones al ano, tendra suficientes datos en 6 a 12 meses. Con menos contrataciones tarda mas, pero puede empezar con categorias de funcion mas amplias.
Que pasa si nuestro modelo se equivoca? Todo modelo comete errores. El objetivo no es la perfeccion sino la mejora respecto al metodo actual. Si su modelo predice correctamente el 75 por ciento de las contrataciones exitosas frente al 55 por ciento con el metodo tradicional, eso es una ganancia enorme.
Esto sustituye al reclutador? No. El modelo proporciona puntuaciones y recomendaciones, pero el reclutador tiene la ultima palabra. La entrevista y la conexion personal siguen siendo importantes.
Conclusiones clave
Listo para empezar con la contratacion predictiva? Programe una conversacion y descubra como nuestro sistema de contratacion con AI le ayuda a tomar mejores decisiones con datos.